Forschung - 10.06.2024 - 08:45
Die beiden Projekte des Instituts für Informatik (ICS-HSG) in der Übersicht:
Die meisten Softwaresysteme, einschliesslich sozialer Netzwerke oder Office- und E-Commerce-Anwendungen, werden zentral verwaltet. Sie zwingen die Nutzer:innen, ihre Daten auch mit Dritten zu teilen, z.B. mit einem Cloud-Anbieter. Das Projekt «Consistency Programming for Local First Software» von Prof. Guido Salvaneschi, das vom SNF mit 997’524 CHF für die Dauer von vier Jahre unterstützt wird, erforscht einen anderen Ansatz. Im Rahmen einer «Local First Software» würden Nutzer:innen die Kontrolle über ihre Daten behalten und diese nur bei Bedarf bewusst und kontrolliert weitergeben. Hierzu müssen eine Reihe technischer Herausforderungen gemeistert werden: Softwareentwickler müssen zum Beispiel sicherstellen, dass ihre Anwendungen lokal einwandfrei funktionieren und nicht nur dann, wenn sie mit einer Cloud verbunden sind. Daten, die an verschiedenen Orten verfügbar sind, werden nicht mehr synchronisiert. Das Projekt entwickelt deshalb Methoden, damit Softwareanwendungen auf verschiedenen Geräten reibungslos und korrekt funktionieren, ohne dass ein ständiger Zugriff auf die Daten in der Cloud erforderlich ist.
Zentrale Forschungsfragen sind:
Das Projekt verspricht folgende Vorteile für die Gesellschaft:
Aktuelle Forschung im Bereich der künstlichen Intelligenz und des maschinellen Lernens konzentriert sich hauptsächlich auf die Untersuchung tiefer neuronaler Netze und ihrer Strukturen – und damit auf das Verständnis ihrer Robustheit und ihres Verhaltens. Diese Fragen sind wichtig, um tiefe neuronale Netze – gewissermassen das ‘Herzstück von GenAI’ – wesentlich zuverlässiger und vertrauenswürdiger zu machen. Das Projekt «Hyper-Representations: Learning from Populations of Neural Networks» von Prof. Dr. Damian Borth, das der SNF mit 608’700 CHF für vier Jahre unterstützt, beleuchtet diese Fragen aus einem neuen Blickwinkel. Anstatt einzelne Modelle zu untersuchen, konzentriert sich das Projekt auf Populationen von neuronalen Netzen. Dieser Ansatz soll einen besseren Einblick in die Struktur und das Verhalten von neuronalen Netzen geben, als dies mit einem einzelnen Modell möglich wäre. Basierend auf den Erkenntnissen wird ein Basismodell trainiert.
Zentrale Forschungsfragen sind:
Das Projekt verspricht folgende Vorteile für die Gesellschaft: